How Many Patients? How Many Limbs? Analysis of Patients or Limbs in the Orthopaedic Literature: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Clinical studies assessing orthopaedic interventions often include data from two limbs or multiple joints within single individuals. Without appropriate design or statistical approaches to address within-individual correlations, this practice may contribute to false precision and possible bias in estimates of treatment effect. We conducted a systematic review of the orthopaedic literature to determine the frequency of inappropriate inclusion of nonindependent limb or joint observations in clinical studies. METHODS: We identified seven orthopaedic journals with high Science Citation Index impact factors and retrieved all clinical studies for 2003 for any intervention on any limb or joint. RESULTS: We identified 288 clinical studies, 143 of which involved two limbs or multiple joint observations from single individuals. These studies included nineteen randomized clinical trials (13%) fifty-eight two-group cohort studies (41%), and sixty-six one-group cohort studies (46%). Seventy-six (53%) of the 143 studies involved statistical comparisons between patient groups with use of tests of association, and an additional sixty studies (42%) presented estimates of proportions without statistical comparisons. Only sixteen of the seventy-six studies involving statistical comparisons involved the use of any technique or methodological approach to account for multiple, nonindependent observations. A median of approximately 13% of the patients in these studies contributed more than one observation. The median proportion of nonindependent observations to total observations (the unit of analysis) was approximately 23%. CONCLUSIONS: Our findings suggest that a high proportion (42%) of clinical studies in high-impact-factor orthopaedic journals involve the inappropriate use of multiple observations from single individuals, potentially biasing results. Orthopaedic researchers should attend to this issue when reporting results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,009 |
| Bibliométrie | 0,022 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».